Artificial Intelligence Optimizes CNC Milling of Carbon Fiber Reinforced Composites |ໂລກວັດສະດຸປະສົມ

ເຄືອຂ່າຍການຜະລິດ AI Augsburg-DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV ແລະມະຫາວິທະຍາໄລ Augsburg ໃຊ້ເຊັນເຊີ ultrasonic ເພື່ອ correlate ສຽງກັບຄຸນນະພາບຂອງການປຸງແຕ່ງວັດສະດຸປະສົມ.
ເຊັນເຊີ ultrasonic ທີ່ຕິດຕັ້ງຢູ່ໃນເຄື່ອງໂມ້ CNC ເພື່ອຕິດຕາມຄຸນນະພາບຂອງເຄື່ອງຈັກ.ແຫຼ່ງຮູບພາບ: ສະຫງວນລິຂະສິດໂດຍມະຫາວິທະຍາໄລ Augsburg
ເຄືອຂ່າຍການຜະລິດ Augsburg AI (Artificial Intelligence) - ສ້າງຕັ້ງຂຶ້ນໃນເດືອນມັງກອນ 2021 ແລະສໍານັກງານໃຫຍ່ໃນ Augsburg, ເຢຍລະມັນ - ເອົາມະຫາວິທະຍາໄລ Augsburg, Fraunhofer, ແລະການຄົ້ນຄວ້າກ່ຽວກັບການຫລໍ່, ວັດສະດຸປະສົມແລະເຕັກໂນໂລຢີການປຸງແຕ່ງ (Fraunhofer IGCV) ແລະເຕັກໂນໂລຢີການຜະລິດນ້ໍາຫນັກເບົາຂອງເຢຍລະມັນ. ກາງ.ສູນການບິນອະວະກາດເຢຍລະມັນ (DLR ZLP).ຈຸດ​ປະ​ສົງ​ແມ່ນ​ເພື່ອ​ຮ່ວມ​ກັນ​ຄົ້ນ​ຄ​້​ວາ​ເຕັກ​ໂນ​ໂລ​ຊີ​ການ​ຜະ​ລິດ​ໂດຍ​ອີງ​ໃສ່​ປັນຍາ​ປອມ​ໃນ​ການ​ໂຕ້​ຕອບ​ລະ​ຫວ່າງ​ອຸ​ປະ​ກອນ​ການ​, ເຕັກ​ໂນ​ໂລ​ຊີ​ການ​ຜະ​ລິດ​ແລະ​ການ​ສ້າງ​ແບບ​ຈໍາ​ລອງ​ຂໍ້​ມູນ​.ຕົວຢ່າງຂອງຄໍາຮ້ອງສະຫມັກທີ່ປັນຍາປະດິດສາມາດສະຫນັບສະຫນູນຂະບວນການຜະລິດແມ່ນການປຸງແຕ່ງວັດສະດຸປະສົມທີ່ມີເສັ້ນໄຍເສີມ.
ໃນເຄືອຂ່າຍການຜະລິດປັນຍາປະດິດທີ່ສ້າງຂຶ້ນໃຫມ່, ນັກວິທະຍາສາດກໍາລັງສຶກສາວິທີການປັນຍາປະດິດສາມາດເພີ່ມປະສິດທິພາບຂະບວນການຜະລິດ.ສໍາລັບຕົວຢ່າງ, ໃນຕອນທ້າຍຂອງລະບົບຕ່ອງໂສ້ມູນຄ່າຈໍານວນຫຼາຍໃນອາວະກາດຫຼືວິສະວະກໍາກົນຈັກ, ເຄື່ອງມືເຄື່ອງຈັກ CNC ປະມວນຜົນຮູບຊົງສຸດທ້າຍຂອງອົງປະກອບທີ່ເຮັດຈາກອົງປະກອບໂພລີເມີເສີມເສັ້ນໄຍ.ຂະບວນການເຄື່ອງຈັກນີ້ເຮັດໃຫ້ຄວາມຕ້ອງການສູງໃນເຄື່ອງຕັດ milling.ນັກຄົ້ນຄວ້າຢູ່ມະຫາວິທະຍາໄລ Augsburg ເຊື່ອວ່າມັນເປັນໄປໄດ້ທີ່ຈະເພີ່ມປະສິດທິພາບຂະບວນການເຄື່ອງຈັກໂດຍການໃຊ້ເຊັນເຊີທີ່ຕິດຕາມລະບົບ CNC milling.ປະຈຸບັນເຂົາເຈົ້າກຳລັງໃຊ້ປັນຍາປະດິດເພື່ອປະເມີນກະແສຂໍ້ມູນທີ່ສະໜອງໃຫ້ໂດຍເຊັນເຊີເຫຼົ່ານີ້.
ຂະບວນການຜະລິດອຸດສາຫະກໍາປົກກະຕິແລ້ວແມ່ນສະລັບສັບຊ້ອນຫຼາຍ, ແລະມີຫຼາຍປັດໃຈທີ່ມີຜົນກະທົບຜົນໄດ້ຮັບ.ຕົວຢ່າງ, ອຸປະກອນແລະເຄື່ອງມືການປຸງແຕ່ງສວມໃສ່ຢ່າງໄວວາ, ໂດຍສະເພາະແມ່ນວັດສະດຸແຂງເຊັ່ນ: ເສັ້ນໄຍກາກບອນ.ດັ່ງນັ້ນ, ຄວາມສາມາດໃນການກໍານົດແລະຄາດຄະເນລະດັບການສວມໃສ່ທີ່ສໍາຄັນແມ່ນມີຄວາມຈໍາເປັນເພື່ອສະຫນອງໂຄງສ້າງປະສົມທີ່ມີຄຸນນະພາບສູງແລະເຄື່ອງຈັກ.ການຄົ້ນຄວ້າກ່ຽວກັບເຄື່ອງຈັກ CNC ອຸດສາຫະກໍາສະແດງໃຫ້ເຫັນວ່າເຕັກໂນໂລຊີເຊັນເຊີທີ່ເຫມາະສົມສົມທົບກັບປັນຍາປະດິດສາມາດສະຫນອງການຄາດຄະເນແລະການປັບປຸງດັ່ງກ່າວ.
ເຄື່ອງ CNC ອຸດສາຫະກໍາສໍາລັບການຄົ້ນຄວ້າເຊັນເຊີ ultrasonic.ແຫຼ່ງຮູບພາບ: ສະຫງວນລິຂະສິດໂດຍມະຫາວິທະຍາໄລ Augsburg
ເຄື່ອງຈັກ CNC ທີ່ທັນສະໄຫມສ່ວນໃຫຍ່ມີເຊັນເຊີພື້ນຖານໃນຕົວ, ເຊັ່ນ: ການບັນທຶກການບໍລິໂພກພະລັງງານ, ກໍາລັງອາຫານແລະແຮງບິດ.ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນເຫຼົ່ານີ້ແມ່ນບໍ່ພຽງພໍສະເຫມີເພື່ອແກ້ໄຂລາຍລະອຽດອັນດີງາມຂອງຂະບວນການ milling ໄດ້.ເພື່ອເຮັດສິ່ງນີ້, ມະຫາວິທະຍາໄລ Augsburg ໄດ້ພັດທະນາເຊັນເຊີ ultrasonic ສໍາລັບການວິເຄາະສຽງຂອງໂຄງສ້າງແລະປະສົມປະສານເຂົ້າໃນເຄື່ອງໂມ້ CNC ອຸດສາຫະກໍາ.ເຊັນເຊີເຫຼົ່ານີ້ກວດພົບສັນຍານສຽງທີ່ມີໂຄງສ້າງໃນລະດັບ ultrasonic ທີ່ຜະລິດໃນລະຫວ່າງການ milling ແລະຫຼັງຈາກນັ້ນຂະຫຍາຍພັນຜ່ານລະບົບໄປຫາເຊັນເຊີ.
ສຽງໂຄງສ້າງສາມາດສະຫຼຸບກ່ຽວກັບສະຖານະຂອງຂະບວນການປຸງແຕ່ງ.ສາດສະດາຈານ Markus Sause, ຜູ້ອໍານວຍການເຄືອຂ່າຍການຜະລິດປັນຍາປະດິດອະທິບາຍວ່າ "ນີ້ແມ່ນຕົວຊີ້ບອກທີ່ມີຄວາມຫມາຍສໍາລັບພວກເຮົາຄືກັບ bowstring ແມ່ນ violin,"."ຜູ້ຊ່ຽວຊານດ້ານດົນຕີສາມາດກໍານົດໄດ້ທັນທີຈາກສຽງຂອງ violin ບໍ່ວ່າຈະເປັນ tuned ແລະຄວາມຊໍານິຊໍານານຂອງຜູ້ນຂອງເຄື່ອງດົນຕີ."ແຕ່ວິທີການນີ້ໃຊ້ກັບເຄື່ອງມືເຄື່ອງຈັກ CNC ແນວໃດ?ການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນກຸນແຈ.
ເພື່ອເພີ່ມປະສິດທິພາບຂະບວນການ CNC milling ໂດຍອີງໃສ່ຂໍ້ມູນທີ່ບັນທຶກໄວ້ໂດຍເຊັນເຊີ ultrasonic, ນັກຄົ້ນຄວ້າທີ່ເຮັດວຽກກັບ Sause ໄດ້ນໍາໃຊ້ອັນທີ່ເອີ້ນວ່າການຮຽນຮູ້ເຄື່ອງຈັກ.ຄຸນລັກສະນະບາງຢ່າງຂອງສັນຍານສຽງອາດຈະຊີ້ໃຫ້ເຫັນເຖິງການຄວບຄຸມຂະບວນການທີ່ບໍ່ເອື້ອອໍານວຍ, ເຊິ່ງຊີ້ໃຫ້ເຫັນວ່າຄຸນນະພາບຂອງພາກສ່ວນທີ່ຂັດແມ່ນບໍ່ດີ.ດັ່ງນັ້ນ, ຂໍ້ມູນນີ້ສາມາດຖືກນໍາໃຊ້ເພື່ອແກ້ໄຂໂດຍກົງແລະປັບປຸງຂະບວນການ milling.ເພື່ອເຮັດສິ່ງນີ້, ໃຊ້ຂໍ້ມູນບັນທຶກແລະສະຖານະທີ່ສອດຄ້ອງກັນ (ຕົວຢ່າງ, ການປຸງແຕ່ງທີ່ດີຫຼືບໍ່ດີ) ເພື່ອຝຶກອົບຮົມສູດການຄິດໄລ່.ຫຼັງຈາກນັ້ນ, ບຸກຄົນທີ່ປະຕິບັດການເຄື່ອງ milling ສາມາດ react ກັບຂໍ້ມູນສະຖານະຂອງລະບົບທີ່ນໍາສະເຫນີ, ຫຼືລະບົບສາມາດ react ອັດຕະໂນມັດໂດຍຜ່ານການດໍາເນີນໂຄງການ.
ການຮຽນຮູ້ເຄື່ອງຈັກບໍ່ພຽງແຕ່ສາມາດເພີ່ມປະສິດທິພາບຂອງຂະບວນການໂມ້ໂດຍກົງໃສ່ເຄື່ອງເຮັດ, ແຕ່ຍັງວາງແຜນວົງຈອນການບໍາລຸງຮັກສາຂອງໂຮງງານຜະລິດຕາມເສດຖະກິດເທົ່າທີ່ເປັນໄປໄດ້.ອົງປະກອບທີ່ມີປະໂຫຍດຕ້ອງເຮັດວຽກຢູ່ໃນເຄື່ອງດົນເທົ່າທີ່ເປັນໄປໄດ້ເພື່ອປັບປຸງປະສິດທິພາບທາງດ້ານເສດຖະກິດ, ແຕ່ຄວາມລົ້ມເຫຼວ spontaneous ທີ່ເກີດຈາກຄວາມເສຍຫາຍຂອງອົງປະກອບຕ້ອງໄດ້ຮັບການຫຼີກເວັ້ນ.
ການຮັກສາການຄາດເດົາແມ່ນວິທີການທີ່ AI ໃຊ້ຂໍ້ມູນເຊັນເຊີທີ່ເກັບກໍາເພື່ອຄິດໄລ່ວ່າຊິ້ນສ່ວນຄວນຖືກປ່ຽນແທນເມື່ອໃດ.ສໍາລັບເຄື່ອງຈັກ CNC milling ພາຍໃຕ້ການສຶກສາ, algorithm ຮັບຮູ້ໃນເວລາທີ່ລັກສະນະສະເພາະໃດຫນຶ່ງຂອງສັນຍານສຽງມີການປ່ຽນແປງ.ດ້ວຍວິທີນີ້, ມັນບໍ່ພຽງແຕ່ສາມາດກໍານົດລະດັບຂອງການສວມໃສ່ຂອງເຄື່ອງມືເຄື່ອງຈັກ, ແຕ່ຍັງຄາດຄະເນເວລາທີ່ຖືກຕ້ອງໃນການປ່ຽນແປງເຄື່ອງມື.ນີ້ແລະຂະບວນການປັນຍາປະດິດອື່ນໆກໍາລັງຖືກລວມເຂົ້າໃນເຄືອຂ່າຍການຜະລິດປັນຍາປະດິດໃນ Augsburg.ສາມອົງການຈັດຕັ້ງຄູ່ຮ່ວມງານຕົ້ນຕໍແມ່ນຮ່ວມມືກັບສະຖານທີ່ການຜະລິດອື່ນໆເພື່ອສ້າງເຄືອຂ່າຍການຜະລິດທີ່ສາມາດ configured ໃນຮູບແບບ modular ແລະອຸປະກອນການ optimized.
ອະທິບາຍສິລະປະເກົ່າທີ່ຢູ່ເບື້ອງຫລັງການເສີມເສັ້ນໃຍທໍາອິດຂອງອຸດສາຫະກໍາ, ແລະມີຄວາມເຂົ້າໃຈຢ່າງເລິກເຊິ່ງກ່ຽວກັບວິທະຍາສາດເສັ້ນໄຍໃຫມ່ແລະການພັດທະນາໃນອະນາຄົດ.


ເວລາປະກາດ: ຕຸລາ-08-2021